HolosAccent Səsinizi Necə Tələffüz Balına Çevirir

Qeydiyyatınızı Hazırlamaq

İlk olaraq, səs standart bir formata dekodlaşdırılır: 16 kHz‑də nümunələnmiş mono səs.

Sistem qeydiyyatın siqnal‑səs nisbətini təxmin edir. Əgər bu təxmin 25 dB‑dən aşağı düşürsə və səs filtrasiya mövcuddursa, analizdən əvvəl səs‑azaldıcı filtr tətbiq edir. Filtrasiya uğursuz olarsa, orijinal qeydiyyatla davam edir.

Daha sonra dalğa forması nitq analiz modeli giriş tələblərinə uyğunlaşdırmaq üçün normallaşdırılır. Sükut və yarım saniyədən qısa qeydiyyatlar sıfır bal alır.

Müxtəlif Tələffüzlərə İcazə Verilməsi

Sonra, istinad mətn tələffüz mühərriki vasitəsilə fonetik tələffüzlərə çevrilir. Bir sözün bir neçə qəbul edilən forması ola bilər.

Tələffüz dəsti aşağıdakılardan ibarətdir:

• Britaniya və Amerika variantları.
• to‑da vurğusuz sait kimi ümumi qısaldılmış formalar.
• Seçilmiş kontekstual alternativlər.

Məsələn, close the door ifadəsindəki son samit a close friend‑dəki ilə fərqlidir. Sistem cümləni işləyərkən dəstəklənən alternativlər arasından seçim edə bilər.

Sözləri Yenidən Qurmaq Yerinə Səsləri Dinləmək

Qeydiyyat akustik model vasitəsilə keçir. O, təxminən 20 millisekundlu intervallarla zaman ərzində müxtəlif nitq səsləri üçün sübutlar yaradır.

Bu, qeydiyyatın fonetik təmsilidir. Bal verən sistem cümləni yenidən qurmaq üçün söz‑səviyyəli dil modeli istifadə etmir.

Sistem daha sonra bu akustik çıxışları iki şəkildə incələyir:

Metod	Nə edir
Expected-sound alignment	Gözlənilən səslər üçün ən uyğun vaxtı tapır, hər söz üçün tam tələffüz variantını seçir.
Independent sound recognition	İstinad cümləsini tələb etmədən modelin üstünlük verdiyi səsləri izləyir.

Hər iki baxış zəruridir, çünki uyğunlaşdırma danışanın səsi çıxardığı halda belə gözlənilən səsləri qeydiyyatda bir yerə yerləşdirə bilər. Müstəqil səs tanıma isə həqiqətən nə söyləndiyi barədə əlavə sübut verir.

Uyğunlaşdırma həmçinin zamanlamanı nəzərə alır, bir sözdəki səsin uzaq bir söz üçün sübut kimi sayılmasını çətinləşdirir.

Hər Səsi Qiymətləndirmək

Hər uyğunlaşdırılmış səs üçün bal verən tələffüz dəqiqliyi ölçüsü hesablayır: modelin həmin intervallarda gözlənilən səsi rəqib səslərə nisbətən nə dərəcədə dəstəklədiyini.

Bundan əlavə nəzərə alır:

• Gözlənilən səsin pik ehtimalı.
• Müstəqil səs tanımanın yaxınlıqda uyğun səs tapıb-tapmadığını.

Uyğunlaşdırılmış riyazi xəritə bu sübutları 0‑100 arası səs dəqiqliyi dəyərinə çevirir.

Müstəqil tanıma nəticəsində səsin olmaması avtomatik olaraq sıfır bal almaz. Akustik sübut hələ də önəmlidir.

Hansı Sözlərin Diqqətə Ehtiyacı Olduğunu Müəyyən Etmək

Söz rəyi bu səs dəyərlərini açıq səhv yoxlamaları ilə birləşdirir. Bir söz aşağıdakılara cavab verməlidir:

• Danışıldığına dair kifayət qədər sübut olması.
• Təyin edilmiş orta dəqiqlik həddini keçməsi.
• Aşkarlanan əvəzləmələr, əlavə etmələr və ya ciddi səs çatışmazlığı səhvlərindən uzaq olması.

Aydın əvəzləmələr gözlənilən səs üçün zəif dəstək və rəqib səs üçün güclü dəstək tələb edir.

Sübut	Cari hədd
Gözlənilən səs üçün dəstək	Below 0.05
Əvəzləməsi üçün dəstək	At least 0.5

Bunlar model sübut hədləridir, insan dinləyicinin sözü yanlış hesab edəcəyi ehtimallar deyil.

İşarələnmiş sözlər üçün sistem gözlənilən tələffüzü və eşidilən səslərin təxminini Beynəlxalq Fonetik Alifba (IPA) ilə qaytarır. Bu təxmin, xüsusən söz sərhədlərində, qüsurlu ola bilər.

Cümlə Balını Qurmaq

Cümlə balı aşağıdakıların uyğunlaşdırılmış kombinasiyası ilə başlayır:

• Orta səs dəqiqliyi.
• Müstəqil səs tanıma ilə uyğunlaşdırılan gözlənilən səslərin nisbəti.
• Saniyədə tələffüz olunan nitq səslərinin sayı.
• Sözlər arasındakı uzun fasilələr.

Zaman hesablaması ilk uyğunlaşdırılmış səsdən əvvəlki və sonuncusundan sonrakı sükutu istisna edir.

Bu xüsusiyyətlər bir ümumi bala qatqı verir. Hazırkı tətbiq istifadəçiyə yönəlmiş ayrı axıcılıq, tamlıq və ya intonasiya balları təqdim etmir.

Söz Kreditinin Nəticəyə Təsiri

Bal verən daha sonra açıq söz‑kredit çarpanı tətbiq edir. Hər söz seçilmiş tələffüzündəki səslərin sayı ilə çəkilir.

Söz nəticəsi	Qazanılan kredit
Düzgün	Tam çəki
Danışılıb, lakin işarələnib	Çəkinin dörddə biri
Çatışmayan	Kredit yoxdur

Hesablama belədir:

word credit =
    (correct sound weight + 0.25 × flagged spoken sound weight)
    / total expected sound weight

raw score =
    sentence estimate, clipped to 0–100, × word credit

Nəticədə, uzun yanlış söz adətən qısa sözdən daha çox xərclənir. Cümlənin yalnız kiçik bir hissəsini oxumaq da balı məhdudlaşdırır, hətta o fragment aydın səslənsə də.

Balınızı İstinadla Müqayisə Etmək

Nəhayət, sistem xam balı eyni ifadənin istinad qeydiyyatı ilə normallaşdıra bilər.

O, eyni bal verən versiyası ilə sintez edilmiş istinadı qiymətləndirir və istifadə edilə bilən uyğun baza artıq mövcud olduqda tətbiq edir:

displayed score = min(100, raw score / reference score × 100)

Məsələn, 80 xam bal 88 istinad balına qarşı təxminən 90.9 olur.

Bu tənzimləmə modelin istinad qeydiyyatına belə 100‑dən az bal verə biləcəyini nəzərə alır.

Baza aşağıdakılara bağlıdır:

• İstinad səsi və nitq‑yaradıcı model.
• Bal verən model.
• Lüğət.
• Kalibrləmə və qayda versiyası.

Əgər uyğun baza mövcud deyilsə və ya istifadə edilə bilmirsə, nəticə xam balını saxlayır. İlk cəhd buna görə də sonradan baza hazırlanana qədər tənzimlənməmiş qala bilər.

Balınızın Nə Anlama Gəlməsi

Nəticə rəqəmi HolosAccent‑ın miqyasında təcrübə balıdır.

90 bal sizin sözlərinizin 90 faizinin düzgün olduğu demək deyil və CEFR səviyyəsi ya da ana dili kimi bərabərlik qurmaz.

Xəritələmə ekspert‑qiymətləndirilmiş qeydiyyatlardan istifadə edilərək uyğunlaşdırılıb, lakin yeni bal sistemi hələ də eksperimentaldır və tam qəbul meyarları hələ təsdiqlənməmişdir. O, səhvləri qaçırıb ya da qəbul edilə bilən nitqi işarələyə bilər.

Fərdi söz rəyi və təkrarlanan cəhdlərdəki nümunələr rəqəmi şərh etmək üçün kontekst təmin edir.